BÀI MẪU Luận văn đại học khoa học tự nhiên, HAY, 9 ĐIỂM

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN KHOA
CÔNG NGHỆ THÔNG TIN BỘ MÔN CÔNG NGHỆ TRI
THỨC
NGUYỄN QUỐC UY - 9912745
TÌM KIẾM ẢNH DỰA VÀO NỘI DUNG
TẢI MIỄN PHÍ KẾT BẠN ZALO:0917 193 864
DỊCH VỤ VIẾT KHÓA LUẬN TỐT NGHIỆP
WEBSITE: VIETKHOALUAN.COM
ZALO/TELEGRAM: 0917 193 864
MAIL: BAOCAOTHUCTAPNET@GMAIL.COM
LUẬN VĂN CỬ NHÂN TIN HỌC
GIÁO VIÊN HƯỚNG DẪN
Th.s LÝ QUỐC NGỌC

Luận văn tốt nghiệp đại học
LỜI CẢM ƠN
Trước tiên, em xin chân thành gửi lời cảm ơn đến Thầy Lý Quốc Ngọc,
người đã nhiệt tình, tận tâm, hướng dẫn về kiến thức để em có thể làm được luận
văn này. Đúng lúc tưởng chừng đã bị bế tắt trong công việc, Thầy đã động viên giúp
em mạnh dạng hoàn thành luận văn này. Một lần nữa em xin tỏ lòng biết ơn Thầy.
Sau hết, xin gửi lời cảm ơn đến gia đình bạn bè, người thân đã ủng hộ động
viên tinh thần để luận văn được hoàn thành.
Xin chân thành cảm ơn tất cả !
TPHCM, 07/2003
Người thực hiện
Nguyễn Quốc Uy

NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................

NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................
...............................................................................................................................................

MỤC LỤC
LỜI MỞ ĐẦU
PHẦN 1: TỔNG QUAN
1. Sự hình thành bài toán.............................................................................................................3
2. Cách tiếpcận:.................................................................................................................................3
2.1. Đặc trưng màu sắc:................................................................................................................4
2.2. Đặc trưng vân: ...........................................................................................................................4
2.3. Đặc trưng hìnhdáng:............................................................................................................4
2.4. Độ đo:...............................................................................................................................................4
2.5. Mô hình giao diện: .................................................................................................................5
PHẦN 2: CÁC PHƯƠNG PHÁP TÌM KIẾM ẢNH DỰA VÀO NỘI DUNG
Chương 1: Tìm kiếm ảnh dựa vào màu sắ c ..................................................................9
1. Màu sắc:.............................................................................................................................................10
1.1. Một số đặc tínhvật lý đặt biệ t của màu sắc ........................................................10
1.2. Hệ thống màu chuẩn RGB................................................................................................10
1.3. Hệ thống màu CMY...............................................................................................................12
1.4. Hệ thống màu L*a*b.............................................................................................................12
1.5. Hệ thống màu HSI...................................................................................................................12
2. Tìm kiếm ảnh dựa vào màu sắc.........................................................................................14
2.1. Lượt đồ màu................................................................................................................................14
2.2. Các loại độ đo màu sắc.........................................................................................................19
Chương 2:Tìm kiếm ảnh dựa vào vân................................................................................22

1. Vân..........................................................................................................................................................23
1.1. Vân làgì? ......................................................................................................................................23
1.2. Một số loại vântiêubiểu....................................................................................................24
2. Tìm kiếm ảnh dựa vào vân....................................................................................................25
2.1. Mật độ của đường biênvà hướng của biên...........................................................25
2.2. Phân hoạch vùng nhị phân cục bộ...............................................................................27
2.3. Ma trận đồng hiệnvà đối tượng đồng hiện..........................................................28
2.4. Độ đo năng lượng của vân dựa vào luật đo...........................................................31
2.5. Tương quan tự động và quang phổ năng lượng................................................33
2.6. Phân đoạn vân (Texture segmentation)..................................................................34
Chương 3:Tìm kiếm ảnh dựa vào hình dạng.................................................................35
1. Hìnhdạng ..........................................................................................................................................36
1.1. Khái niệm về hìnhdạng.......................................................................................................36
1.2. Đặc điểm hìnhdạng đối vớ i việc tìm kiếm ảnh...............................................36
2. Tìm kiếm ảnh dựa vào hìnhdạng.....................................................................................37
2.1. Lượt đồ hình dạng...................................................................................................................37
2.2. Độ so khớp đường biêncủa hình dạng.....................................................................38
2.3. So khớp với ảnh phát họa..................................................................................................40
PHẦN 3 CÀI ĐẶT VÀ KẾT QUẢ THỬ NGHIỆM
Chương 1:Cài đặt..............................................................................................................................44
1. Chương trình..................................................................................................................................45
2. Phần Màu sắc..................................................................................................................................46

3. Phần Vân............................................................................................................................................50
4. Phần Hìnhdạng.............................................................................................................................53
Chương 2:Kết quả thử nghiệm...............................................................................................54
1. Phần Màu sắc..................................................................................................................................55
2. Phần Vân............................................................................................................................................73
3. Phần Hìnhdạng.............................................................................................................................77
PHẦN 4 KẾT LUẬN
Đánh giákết quả đạt được..........................................................................................................80
Hướng phát triển..............................................................................................................................80
Tài liệutham khảo............................................................................................................................81

TÓM TẮT LUẬN VĂN
Tên đề tài : Tìm kiếm ảnh dựa vào nội dung
Tìm kiếm ảnh dựa vào nội dung là một đề tài nghiên cứu về khả năng để xây dựng
một chương trìnhcho phép tìm kiếm ảnh trên một cơ sở dữ liệu ảnh cho trước. Việc
tìm kiếm này dựa trên nội dung của những bức ảnh trong cơ sở dữ liệu. Nội dung
của một bức ảnh có thể là màu sắc của bức ảnh, vân của bức ảnh, hay những kiểu
hình dạng.
Luận văn này tập trung vào việc nghiên cứu những lý thuyết để xây dựng nên một
ứng dụng như vậy, đồng thời ứng dụng lý thuyết đó để xây dựng nên một số demo,
cho thấy khả năng có thể phát triển được thành ứng dụng hoàn thiện được.
Đề tài gồm có ba phần: tìm kiếm ảnh dựa vào màu sắc, vân và hình dạng.
Tìm kiếm ảnh dựa vào màu sắc: cách tiếp c ậ n chính là dựa vào lượt đồ màu
(colour histogram)
Tìm kiểm ảnh dựa vào vân: cách tiế p cận chính là dựa vào ma trận đồng hiện (co-
occurrence matrix)
Tìm kiếm ảnh dựa vào hình dạng: cách tiếp cận chính là dựa vào sự so khớp ảnh
phát họa (sketch matching)

LỜI MỞ ĐẦU
Sự mở rộng của multimedia, cùng với khối lượng hình ảnh và phim lớn, sự
phát triển của những xa lộ thông tin hiện tại đã thu hút ngày càng nhiều những
chuyên gia đi vào nghiên cứu những công cụ cung cấp cho việc lấy thông tin từ dữ
liệu ảnh từ nội dung của chúng. Lấy thông tin từ dữ liệu ảnh có liên quan đến rất
nhiều các lĩnh vực khác, từ những phòng trưng bày tranh nghệ thuật cho tới những
nơi lưu trữ tranh nghệ thuật lớn như viện bảo tàng, kho lưu trữ ảnh chụp, kho lưu
trữ ảnh tội phạm, cơ sở dữ liệu ảnh về địa lý, y học, ... điều đó làm cho lĩnh vực
nghiên cứu này phát triển nhanh nhất trong công nghệ thông tin.
Lấy thông tin từ dữ liệu ảnh đặt ra nhiều thách thức nghiên cứu mới cho các
khoa học gia và các kỹ sư. Phân tích ảnh, xử lý ảnh, nhận dạng mẫu, giao tiếp giữa
người và máy là những lĩnh vực nghiên cứu quan trọng góp phần vào phạm vi
nghiên cứu mới này.
Khía cạnh tiêu biểu của lấy thông tin từ dữ liệu ảnh dựa trên những công bố
có sẵn như là những đối tượng nhận thức như màu sắc, vân (texture), hình dáng, cấu
trúc, quan hệ không gian, hay thuộ c v ề ngữ nghĩa căn bản như: đối tượng, vai trò
hay sự kiện hay liên quan đến thông tin về ngữ nghĩa quan hệ như cảm giác, cảm
xúc, nghĩa của ảnh. Thật ra phân tích ảnh, nhận dạng mẫu, hay xử lý ảnh đóng một
vai trò căn bản trong hệ thống lấy thông tin từ ảnh. Chúng cho phép sự trích rút tự
động hầu hết những thông tin về nhận thức, thông qua phân tích sự phân bổ điểm
ảnh và sự phân tích độ đo.
Tìm kiếm theo cách thông thường dựa trên văn bản giờ đây được bổ sung bởi
truy vấn dựa vào nội dung, nhắm vào khía cạnh nhận thức thông tin ảnh. Thực hiện
truy vấn ở mức nhận thức đòi hỏi những phương thức mới, cho phép chỉ định đến
những thuộc tính liên quan đến thị giác cần tìm. Giao diện đồ họa phải hỗ trợ đặc tả
những ví dụ đó như là những mẫu có sẵn. Khi đó người dùng trong một vòng lặp,
mô hình giao diện sao cho người dùng có thể truy cập vào sự giống nhau giữa
những đối tượng.
1

PHẦN 1
TỔNG QUAN
2

1. Sự hình thành bài toán:
Bên cạnh kho dữ liệu văn bản, kho dữ liệu ảnh ngày càng trở nên khổng lồ
vượt quá sự kiểm soát của con người. Khi có nhu cầu tìm kiếm một vài tấm
ảnh nào đó trong một cơ sở dữ liệu hàng trăm ngàn ảnh, điều này khó có thể
thực hiện được khi ta tìm kiếm bằng tay theo cách thông thường, nghĩa là
xem lần lượt từng tấm ảnh một cho đến khi tìm thấy ảnh có nội dung cần tìm.
Song song với sự phát triển của những phương tiện kỹ thuật số, trong tương
lai, số lượng ảnh sẽ còn tăng nhanh hơn nữa, nhiều hơn nữa. Do đó, nhu cầu
thật sự đòi hỏi phải có một công cụ hỗ trợ cho việc tìm kiếm này càng sớm
càng tốt. Vì vậy đề tài “tìm kiếm dữ liệu ảnh dựa vào nội dung” ra đời để góp
phần đáp ứng nhu cầu này.
“Tìm kiếm dữ liệu ảnh dựa vào nội dung” là gì? Đây là một chủ đề nghiên
cứu mới trong công nghệ thông tin. Mục đích chính của nó là lấy những ảnh
từ cơ sở dữ liệu phù hợp với tiêu chí truy vấn.
Thế hệ đầu tiên của hệ thống tìm kiế m ảnh dựa vào nội dung cho phép truy
cập trực tiếp đến ảnh thông qua thu ộc tính chuỗi. Những tìm kiếm đặc thù
cho những hệ thống dạng này là “tìm tất cả những tranh vẽ của trường
Florentine trong thế kỷ th ứ XV” hay “tìm kiếm tất cả những tấm ảnh về đất
đai của Cezanne”. Metadata của hệ thống trong thế hệ đầu tiên dựa trên
chuỗi, sơ đồ trình bày, mô hình quan hệ, cấu trúc khung. Xem hình 1.1.
Thế hệ mớ i của hệ thống tìm kiếm ảnh hỗ trợ đầy đủ việc lấy thông tin dựa
vào nội dung thuộc về thị giác. Chúng cho phép phân tích đối tượng, tự động
trích rút đặc trưng. Xem hình 1.2.
Những phần tử thuộc về thị giác như là màu sắc, vân, hình dạng đối tượng,
quan hệ không gian có liên quan trực tiếp đến khía cạnh nhận thức của nội
dung ảnh. Ta trực tiếp đánh vào những phần tử này trong việc tìm kiếm.
Do đó, nội dung của đề tài sẽ giải quyết như sau: hệ thống tìm kiếm ảnh dựa
vào nội dung, ba đặc trưng là màu sắc,vân và hình dạng. Đề tài chỉ tập chung
vào demo một số phương pháp làm của từng phần.
3

2. Cách tiếpcận:
Đề tài tiếp cận theo mô hình thống kê.
Có ba loại tìm kiếm ảnh đề tài tập chung giải quyết là :
- Tìm kiếm ảnh dựa vào màu sắc.
- Tìm kiếm ảnh dựa vào vân.
- Tìm kiếm ảnh dựa vào hình dạng.
2.1. Đặc trưng màu sắc:
Màu sắc là vấn đề cần tập chung giải quyết nhiều nhất, vì một ảnh màu thì
thông tin quan trọng nhất trong ảnh chính là màu sắc. Hơn nữa thông tin về
màu sắc là thông tin người dùng quan tâm nhất; qua đặc trưng màu sắc, có
thể lọc được rất nhiều lớp ảnh, thông qua vị trí, không gian, định lượng của
màu trong ảnh.
2.2. Đặc trưng vân:
Có những lớp ảnh mà màu sắc không th ể giải quyết được, đòi hỏi phải dùng
đặc trưng vân. Ví dụ như những ảnh liên quan đến cấu trúc của điểm ảnh
như: cỏ, mây, đá, sợi.
Vân sẽ giải quyết tốt cho việc tìm kiếm đối với lớp ảnh này.
2.3. Đặc trưng hìnhdáng:
Đối với những lớp ảnh cần tìm mà liên quan đến hình dạng của đối tượng thì
đặc trưng vân và màu không thể giải quyết được. Ví dụ như tìm một vật có
hình dạng ellipse hay hình tròn trong ảnh.
Tìm kiếm theo hình dáng thật sự là một cái đích của hệ thống tìm kiếm dựa
vào nội dung muốn đạt tới.
2.4. Độ đo:
Có ý nghĩa quan trọng trong tìm kiếm ảnh dựa vào nội dung. Độ đo mang ý
nghĩa quyết định kết quả tìm kiếm sẽ như thế nào, mức độ chính xác.
4

2.5. Mô hình giao diện:
Giao diện cũng là một vấn đề đáng quan tâm của bài toán tìm kiếm ảnh. Mô
hình giao diện dựa trên mô hình tìm kiếm cho phép lặp.
Đây mô hình người dùng có thể đặc tả yêu cầu tìm kiếm với nhiều cấp độ.
Quá trình tìm kiếm có thể là một quá trìnhlặp đi lặp lại nhiều lần: tìm kiếm,
lọc, chỉnh sửa ngưỡng cho đếnkhi đạt đếnkết quả như mong muốn. Do đó
giao diện chương trình phải hỗ trợ chức năng cho phép chọnlọc kết quả, loại
bỏ những kết quả không phù hợp, lưu lại những kết quả đã vừa ý, tìm kiếm
trongkết quả vừa tìm được, thay đổi mức độ chính xác của việc tìm kiếm.
Hai vấn đề được đề tài quan tâm về giao diện tìm kiếm là: mô hình tìm kiếm
theo không gian toàn cục và cục bộ. Đối với đặc trưng màu: giao diện cho
phép giao tiếp cả toàn cục và cục bộ. Đặc trưng vân và hình dạng đề tài chỉ
dừng lại ở mức toàn cục.
5

Truy vấn bằng văn
bản
Chú thích
(làm bằng tay)
Người dùng
Phản hồi
Trình bày nội dung
Hệ thống tìm kiếm
Chỉ mục
Hình 1.1 Mô hình của hệ thống tìm kiếm thế hệ đầu tiên
6

Người dùng
Truy vấn Truy vấn Tìm lướt
bằng văn bản bằng vídụ qua
Hệ thống tìm kiếm
Chỉ mục
Phản hồi
Trình bày nội dung
Trích rút đặt
trưng
Chú thích
(làm bằng tay)
Hình 1.2 Mô hình của hệ thống tìm kiếm thế hệ mới
7

PHẦN 2
CÁC PHƯƠNG PHÁP TÌM KIẾM
ẢNH DỰA VÀO NỘI DUNG
8

Chương 1:
Tìm kiếm ảnh dựa vào màu sắc
1. Màu sắc
1.1. Một số đặc tínhvật lý đặt biệt củamàu sắc
1.2. Hệ thống màu chuẩn RGB
1.3. Hệ thống màu CMY
1.4. Hệ thống màu L*a*b
1.5. Hệ thống màu HSI
2. Tìm kiếm ảnh dựa vào màu
sắc 2.1. Lượt đồ màu
2.2. Các loại độ đo màu sắ c
9

1. Màu sắc:
Sự nhận thức về màu sắc là quá trình quan trọng của con người. Sự nhận
thức về màu sắc phụ thuộc vào cả tính chất vật lý của ánh sáng và quá trình
xử lý của thị giác với sự góp phần rất quan trọng của kinh nghiệm. Con
người dùng thông tin màu sắc để phân biệt đối tượng, vật liệu, đồ ăn, vị trí và
ngay cả thời gian của ngày.
Với sự phát triển mạnh mẽ của các thiết bị kinh tế, máy móc xử lý màu sắc
trở nên thông dụng: Chúng ta có các thiết bị như máy quay phim màu, thiết
bị chiếu màu và những phần mềm xử lý ảnh màu. Máy móc có thể dùng màu
sắc cho những mục đích như là con người. Đặc biệt, màu sắc thuận tiện bởi
vì nó cung cấp phép đo lường đa dạng tại mỗi điểm ả nh đơn, có thể phân
lớp, phân loại mà không cần đến những sự xử lý không gian phức tạp để đưa
đến quyết định.
1.1. Một số đặc tínhvật lý đặc biệt về màu sắc:
Con người chỉ có khả năng nhận thức được ánh sáng có bức xạ điện từ với
bước sóng trong khoảng 400 – 700 nanomet. Cơ quan thị giác cảm nhận
được ánh sáng là do bề mặ t đối tượng phát ra ánh sáng, là kết quả của sự
tương tác giữa năng lượ ng chiếu sáng và những phân tử của bề mặt đối
tượng. Một đối tượng màu xanh dương sẽ có bề mặt màu xanh dương khi
chiếu ánh sáng trắng vào. Nhưng đối tượng đó sẽ có màu tím khi chiếu ánh
sáng đỏ vào.
1.2. Hệ thống màu chuẩn RGB:
Mắt người có thể phân biệt hàng ngàn màu sắc khác nhau, những con số
chính xác hơn vẫn còn đang được bàn cãi nhiều. Ba màu RGB (Red-Green-
Blue) mã hóa hệ thống đồ họa sử dụng ba byte (28)3 hay khoảng chừng 16
triệu màu phân biệt. Máy tính có thể phân biệt bất kỳ màu gì sau khi được
mã hóa, nhưng việc mã hóa có thể không trình bày được những sự khác biệt
10

trong thế giới thực. Mỗi điểm ảnh RGB bao gồm một byte cho màu R, một
byte cho màu G và một byte cho màu B.
Việc mã hóa một màu tùy ý trong dãy hiển thị được làm bằng cách tổ hợp ba
màu chính. Ví dụ: Red(255,0,0), Green(0,255,0), Blue(0,0,255), Black(0,0,0)
Hệ thống màu RGB là một hệ thống màu cộng vào bởi vì mỗi màu được tạo
nên bằng cách cộng thêm các phần tử vào màu đen(0,0,0)
Khuôn dạng của không gian màu RGB là định dạng phổ biến nhất của ảnh
số, lý do chính là tính tương thích với màn hình hiển thị chính là màn hình vi
tính. Tuy nhiên không gian màu RGB có hạn chế lớn nhất là không phù hợp
với cách con người cảm nhận về màu sắc. Do đó không phù hợp cho việc
ứng dụng vào tìm kiếm ảnh.
Blue
[0,1,1]
Cyan
[0,0,1]
[1,0,1]
Magenta
[0,1,1]
White
[0,0,0]
Green
[0,1,0]
[1,0,0]
[1,1,0]
Yellow
Red
Hình 1: Khối màu
11

1.3. Hệ thống màu CMY:
Hệ thống màu CMY theo mô hình in trên giấy trắng và theo khuôn mẫu trừ
từ màu trắng thay vì thêm vào từ màu đen như hệ thống màu RGB.
CMY là viết tắt của Cyan-Magenta-Yellow (màu lục lam, màu đỏ tươi, màu
vàng), đó là ba màu chính tương ứng với ba màu mực in. Cyan hấp thu sự
chiếu sáng của màu đỏ, Magenta hấp thu màu xanh lục, Yellow hấp thu màu
xanh dương. Do đó, tạo ra sự phản ánh tương ứng như khi in ảnh được chiếu
sáng với ánh sáng trắng. Hệ thống dưới dạng âm tính vì mã hóa theo dạng
hấp thụ màu. Có một số mã hóa như sau: trắng (0,0,0) vì không có ánh sáng
trắng được hấp thụ, đen(255,255,255) vì tất cả các thành phần của màu trắng
đều được hấp thụ.
Hệ thống màu CMY dường như là một sự đảo ngượ c của hệ thống màu
RGB. Đặc tính của nó là sự đơn giản, ứng dụng nhiều trong thực tế. Tuy
nhiên khuyết điểm của nó cũng tương tự như không gian màu RGB, tức là
cách mã hóa khác với cách mà con ng ườ i cảm nhận về màu sắc. Không
thích hợp cho bài toán tìm kiếm ảnh dựa vào n ội dung.
1.4. Hệ thống màu L*a*b:
Mô hình L*a*b được đề cử b ởi CIE cho việc lượng hóa sự khác biệt của
màu sắc trong vật chiếu sáng của ánh sáng ban ngày. Tuy nhiên nó có một sự
chuyển đổ i được ghi vào để mà tính toán cho việc thích nghi với những
nguồn sáng.
Đây là hệ thống màu có sự tách riêng ánh sáng và màu sắc ra riêng. Do đó,
cũng có khả năng lớn cho việc tìm kiếm dựa vào nội dung.
1.5. Hệ thống màu HSI: Hue-Saturation-Intensity
Hệ thống màu HSI mã hóa thông tinmàu sắc bằng cách chia giá trị intensity
I từ hai giá trị được mã hóa thuộc về độ hội tụ của màu- hue H và saturation
S.
12

Thành phần không gian màu HSI gồm có ba phần: Hue được định nghĩa có
giá trị 0-2Π , mang thông tin về màu sắc. Saturation có giá trị 0-1, mang giá
trị về độ thuần khiết của thành phần Hue. Intensity (Value) mang thông tin
về độ sáng của điểm ảnh.Ta có thể hình dung không gian màu HSI như là vật
hình nón. Với trục chính biểu thị cường độ sáng Intensity. Khoảng cách đến
trục biểu thị độ tập chung Saturation. Góc xung quanh trục biểu thị cho sắc
màu Hue.
Đôi khi, hệ thống màu HSI được coi như là hệ thống màu HSV dùng Value
thay vì Intensity.
Hệ thống màu HSI thì thích hợp hơn với một số thiết kế đồ họa bởi vì nó
cung cấp sự điều khiển trực tiếp đến ánh sáng và hue. Hệ thống màu HSI
cũng hỗ trợ tốt hơn cho những thuật toán xử lý ảnh vì sự tiêu chuẩn hóa về
ánh sáng và tập chung vào hai tham số về độ hội tụ màu, và cường độ màu.
H=2Π/3 I
H=Π/3
Green
White Green Yellow Yellow
S
H
Cyan Red
H=Π H=0
Cyan Red
Blue
H=4Π/3 I=1
I=0.5
Magenta
Blue
[0,0,0]
Black
Hình 2: Khối nón màu minh họa hệ thống màu HSI
Hệ thống màu HSI có sự phân chia rõ rệt giữa ánh sáng và màu sắc. Do đó
có khả năng rất lớn được áp dụng cho việc tính đặc trưng và so sánh sự giống
13

nhau về màu sắc của hai ảnh. Do đó nó rất thích hợp cho việc tìm kiếm ảnh
dựa vào màu.
Sự giống và khác nhau giữa hai ảnh về mặt màu sắc đối với mắt người chỉ
mang ý nghĩa tương đối. Do đó khi áp dụng vào bài toán này trên máy tính
thì ta cũng giả lập sự tương đối này.
Phương pháp chính của việc tìm kiếm theo màu sắc là dùng lượt đồ màu để
làm đặc trưng cho từng ảnh. Do những đặc điểm riêng của mô hình màu HSI
và đặc trưng của việc tìm kiếm nên tính lượt đồ màu cũng được dùng một mô
mình rất đặc biệt để phù hợp cho những đặc điểm riêng này.
2. Tìm kiếm ảnh dựa vào màu sắc:
Phương pháp phổ biến để tìm kiếm ảnh trong một tậ p những ảnh hỗn tạp
cho trước là dựa vào lượt đồ màu của chúng. Đây là cách làm khá đơn giản,
tốc độ tìm kiếm tương đối nhanh nhưng khuyết điểm là kết quả tìm kiếm lại
có độ chính xác không cao. Nhưng đây có thể được xem như là bước lọc đầu
tiên cho những tìm kiếm sau. Muốn được kết quả chính xác cao đòi hỏi sự
kết hợp đồng thời với vân (texture) và hình dáng (shape).
Cho đến nay, để giải quy ế t v ấ n đề về màu sắc, cách tiếp cận chính vẫn là
dựa vào lượt đồ màu.
2.1. Lượt đồ màu:
Lượt đồ màu: Như là một bảng tóm tắt thông tin về màu sắc cho một ảnh
màu bất kỳ.
Và việc tính lượt đồ màu này được tiến hành một cách rất nhanh chóng trong
ảnh mà chỉ qua một lần duyệt qua toàn bộ ảnh. Do đó ứng dụng vào việc tìm
kiếm ảnh sẽ có lợi rất lớn về mặt tốc độ.
Một số tính chất cần quan tâm của lượt đồ màu đối với vấn đề truy tìm ảnh:
- Việc tính lượt đồ màu của ảnh diễn ra rất nhanh chóng trongảnh chỉ qua
một lần duyệt qua toàn bộ ảnh.
14

- Lượt đồ màu tương đối bất biến đối với phép tịnh tiến, xoay ảnh, và nhất là
sự kéo nhỏ, kéo giãn, thay đổi kích thước của ảnh.
- Lượt đồ màu của một ảnh màu có thể là một cách miêutả rất có ý nghĩa
cho việc truy tìm ảnh hay nhận dạng đối tượng trongảnh
2.1.1. Lượt đồ màu thông thường RGB:
Đối với ảnh 256 màu, lượt đồ màu của ảnh tương đương với lượt đồ màu của
ảnh xám.
Đối với ảnh 24 bit màu, lượt đồ màu miêu tả khả năng kết nối về cường độ
của ba kênh màu R, G, B. Lượt đồ màu này được định nghĩa như sau:
hR,G,B[r, g, b] = N*Prob{R=r, G=g, B=b}
trong đó N là số lượng điểm có trong ảnh.
Lượt đồ màu ở dạng này được tính bằng cách rời rạc hoá từng màu trong
ảnh, sau đó là đếm số điểm ảnh của mỗi màu.
Khi mà số lượng màu là có hạn, để thu ận tiện hơn, người ta thường chuyển
đổi ba kênh màu thành một biến giá trị màu duy nhất. Cho một ảnh RGB,
một kiểu chuyển đổi thường được sử dụng là:
m= r+Nrg+NrNgb
trongđó Nr,Ng là số lượng bin của màu đỏ và màu xanh lục.
Điều này mang lại một lượt đồ đơn duy nhất như sau:
h[m] = N*Prob{M=m}
Một cách khác để tính lượt đồ màu của ảnh RGB là ta phân ra thành 3 lượt
đồ riêng biệt hR[], hG[], hB[]. Khi đó, mỗi lượt đồ được tính bằng cách đếm
kênh màu tương ứng trong mỗi điểm ảnh.
2.1.2. Lượt đồ màu HSI:
Mô hình màu HSI có những ưu điểm lớn cho việc tìm kiếm hình ảnh dựa vào
nội dung và nhất là trong công việc tìm kiếm dựa vào màu sắc. Nhưng những
ảnh màu thông thường được lưu trữ ở dạng kỹ thuật số trong máy tính
15

thường theo chuẩn RGB, do đó để có được ảnh màu HSI ta phải qua công
đoạn chuyển đổi. Chuyển từ hệ màu RGB sang hệ màu HSI là một thuật giải
có rất nhiều trong hầu hết những sách về xử lý ảnh cổ điển.
16

Gọi R,G,B là giá trị nhập của RGB với giá trị trong
khoảng [0,1] hay [0,255]
I : Giá trị xuất của cường độ intensity[0,1]
S : Giá trị xuất của độ bảo hòa saturation [0,1] H :
Giá trị xuất của màu sắc hue [0,2Π] R,G,B,H,I,S:
Tất cả đều là những giá trị số thực.
Procedure RGB_to_HSI(inR,G,B; out H,S,I)
{
I:=Max(R,G,B);
Min:=Min(R,G,B);
If (I>=0) then
S:=(I-Min)/I;
Else S:=0;
If (S<=0) then
{
H:=-1;
Return;
}
Diff:= I-Min;
If (R=I) then H:=(Π/3)*(G-R) /Diff;
Else if (G=I) then H:=(2*Π/3)+Π/3*(B-R)/diff;
Else if (B=I) then H:=(4*Π/3)+Π/3*(R-G)/diff;
If (H<=0) H:=H+Π/2;
}
Thuật toán chuyển đổi từ RGB sang HSI
17

Theo các phương pháp truyền thống, việc tạo lượt đồ màu chỉ đơn giản bằng
cách chia không gian màu thành những ngăn riêng biệt, sau đó đếm những
pixel có màu sắc phù hợp trong những ngăn này. Cách làm này rất đơn giản,
nhưng không phù hợp cho việc so sánh, tìm kiếm ảnh. Vì những thay đổi nhỏ
về điều kiện chiếu sáng, sự thay đổi về cường độ có thể gây nên những thay
đổi lớn trong lượt đồ màu. Do đó, hai ảnh rất giống nhau về màu sắc có thể
có lượt đồ màu hoàn toàn khác nhau.
Ví dụ :không gian màu HSI, thành phần Hue trong nhiều trường hợp mang
giá trị nhưng không thể hiện được màu sắc trong hiển thị: Khi giá trị
Intensity nằm trong khoảng 0-0.2, Hue mang bất kỳ giá trị nào thì màu mà
mắt người nhìn thấy vẫn là màu đen. Vì vậy đối vớ i các cách tính lượt đồ
màu thông thường, điểm ảnh A có Hue bằng 2π , Intensity bằng 0.1 và điểm
ảnh B có Hue bằng π , Intensity bằng 0.1 sẽ nằm trong những bin khác nhau.
Nhưng thật ra, điểm ảnh A và điểm ả nh B đều có giá trị hiển thị là màu đen.
Lượt đồ HSI cải tiến:
Một phương pháp đượ c đề suất để giải quyết cho trường hợp trên là ta
dựa vào Intensity để lọc tr ướ c những giá trị mà Hue không thể biểu thị
được. Sau đó dùng Saturation để lọc những giá trị có sắc màu xám. Phần còn
lại của không gian màu ta sẽ chia đều mỗi thành phần thành những khoảng
nhất định có sự tương đồng về màu sắc.
Để giá trị của lượt đồ màu HSI được tính một cách phù hợp nhất đối với
việc tìm kiếm, chúng ta cần chia nhỏ không gian 24 bit màu, tương ứng với
224 màu, xuống một consố có thể chấp nhận được. Một con số được đề nghị
là 5 giá trị mức xám, 162 cho giá trị sắc màu, tổng cộng là ta chỉ cần lưu trữ
167 bin màu.
18

Hue và Saturation khi Intensity < 0.33
Hue và Saturation khi Intensity > 0.33
2.2. Các loại độ đo màu:
Bước tiếp theo của quá trình tìm kiếm dữ liệu ảnh dựa vào nội dung là xác
định độ trùng khớp của hai lượt đồ màu vừa tính được ở bước trên. Do đó,
phát sinh ra một giá trị để biếu thị cho sự trùng khớp này, có nhiều cách để
tính giá trị này. Ta gọi những giá trị được tính từ những cách khác nhau này
là các loại độ đo màu.
Một cách đơn giản, độ đo màu là được coi một giá trị để biểu thị cho độ so
khớp sự trùng khớp của hai lượt đồ màu. Tùy theo từng trường hợp, từng loại
độ đo màu giá trị này có thể âm hoặc dương lớn hoặc nhỏ tương ứng với mức
độ giống nhau như thế nào của các loại lượt đồ màu.
19

Mỗi loại độ đo màu có những ưu và khuyết điểm riêng, trong từng trường
hợp cụ thể.
Gọi h(I) và h(M) tương ứng là 2 lượt đồ màu của hai ảnh I và ảnh M. Khi đó
các loại độ đo màu được định nghĩa là một số nguyên (hoặc số thực) theo các
loại độ đo tương ứng như sau:
2.2.1. Độ đo khoảng cách min-max:
Được thực hiện dựa trên ý tưởng lấy phần giao của của hai lượt đồ cần so
sánh, ta sẽ được một lượt đồ, tính tổng các giá trị có được từ lượt đồ này cho
ta được độ đo min-max.
Đối với độ đo min: ta tính dựa vào giá trị min tại mỗ i K bin.
K
Intersection( h(I), h(M) ) = ∑ min{h(I)[j],h(M)[j]}
j =1
Đối với độ đo max: ta tính dựa vào giá trị max tại mỗi K bin.
K
Intersection( h(I), h(M) ) = ∑ max{h(I)[j],h(M)[j]}
j =1
Matching ( h(I), h(M)) =
Inter section(h(I ),h(M ))
max(∑ h (I )[i],∑h(M )[i])
i i
2.2.2. Độ đo kho ả ng cách euclid:
Đây là cách tính khoảng cách ơclit thông thường giữa các K bin:
K
Intersection( h(I), h(M) ) = ∑ (h(I ) − h(M ))2
j =1
Hoặc có thể là:
K
Intersection( h(I), h(M) ) = ∑
j=1
h(I ) − h(M )
20

2.2.3. Độ đo khoảng cách toànphương:
K K
Intersection(h(I),h(M)) = ∑∑ [h(i)-h(j)] aij [h(i)-h(j)]
i=1 j=1
2.2.3. Độ đo có trọng số:
dhist(I, Q) = (h(I) – h(Q))TA(h(I) – h(Q))
trongđó, h(I) và h(Q) là những lượt đồ tương ứng của ảnh I và Q, và A là
ma trận đồngdạng KxK. Trong ma trận này, những màu mà rất giống nhau
thì gần với giá trị một, cònnhững màu rất khác nhau thì sẽ có giá trị gần với
không.
21

Chương 2:
Tìm kiếm ảnh dựa vào vân
1. Vân
1.1. Vân làgì?
1.2. Một số loại vântiêubiểu.
2. Tìm kiếm ảnh dựa vào vân
2.1. Mật độ của đường biênvà hướng của biên
2.2. Phân hoạch vùng nhị phân cục bộ
2.3. Ma trận đồng hiệnvà đối tượng đồng hiện
2.4. Độ đo năng lượng của vân dựa vào luật đo
2.5. Tương quan tự động và quang phổ năng lượng
22

1. Vân:
1.1. Vân làgì?
Vân (texture), đếnnày vẫn chưa có một định nghĩa chính xác cụ thể về
vân, là một đối tượng dùng để phân hoạch ảnh ra thành những vùng được
quan tâm và để phân lớp những vùng đó.
Vân cung cấp thông tin về sự sắp xếp về mặt không gian của màu sắc
và cường độ của một ảnh.
Vân được đặc trưng bởi sự phân bổ không gian của những mức cường
độ trongmột khu vực láng giềng với nhau.
Vân của ảnh màu và vân đối với ảnh xám là như nhau.
Vân gồm nhiều vân gốc hay vân phần tử gộp lại, đôi khi được gọi là texel.
Xét về vấn đề phân tíchvân, có hai đặc trưng chính yế u nhất:
- Cấu trúc vân được định nghĩa như sau: vân là tập hợp những texel được
sắp xếp theo một số quy luật nhất định hay có cấu trúc không gian lặp đi
lặp lại.
- Sự thống kê vân được địnhnghĩa như sau: vân là một độ đo về số lượng
của sự sắp xếp những mức xám hay cường độ sáng trongvùng.
Cấu trúc vân: một vân b ấ t kỳ có thể coi như là một tập của những texel thô
trong một quan hệ không gian đặc biệt nào đó. Một cấu trúc không gian của
một vân bất kỳ sau đó có thể bao gồm một sự mô tả của texel và một đặc tả
về không gian. Những texel đương nhiên phải được phân đoạn và quan hệ
không gian phải được tính toán một cách thật hiệu quả. Texel là những vùng
ảnh có thể trích rút từ một số hàm phân ngưỡng đơn giản. Đặc điểm quan hệ
không gian của chúng có thể miêu tả như sau:
Giả sử rằng chúng ta có tập những texel, với mỗi phần tử của tập hợp này ta
có thể đặc trưng bởi một điểm ý nghĩa nhất, điểm này gọi là trọng tâm. Đặt S
là tập của những điểm này. Với mỗi cặp điểm P và Q trong tập S, ta có thể
xây dựng đường phân giác trực giao nối chúng lại với nhau. Đường phân
giác trực giao này chia mặt phẳng thành hai nửa mặt phẳng, một trong chúng
23

là tập của những điểm gần với P hơn và cái cònlại là tập những điểm gần với
Q hơn. Đặt HQ(P) là nửa mặt phẳng gần P hơn. Ta có thể lặp lại quá trình
này với mỗi điểm Q trong S. Đa giác Voronoi của P là vùng đa giác bao gồm
tất cả những điểm gần P hơn những điểm khác của S và được định nghĩa:
V(P) = ∩ HQ(P)
Q∈S, Q≠P
1.2. Một số loại vântiêubiểu:
5% xéo Xéo ngắ n Zíc Zắc
Cỏ gạch lợp ván Ca rô
Vân giấy Vân đá Vân dệt Vân nước
Giấy thô Vân cát Vân gỗ Vân sợi
24

2. Tìm kiếm ảnh dựa vào vân:
Trong hầu hết các trường hợp, phân đoạn những ảnh thật ra những texel khó
hơn nhiều đối với trường hợp tự nhiên sinh ra những hoa văn thiên nhiên.
Thay vì vậy, việc định lượng về số hay thông tin thống kê bằng số mô tả
cho một vân có thể được tính từ chính mức xác, hay mức màu của chúng.
Tuy cách tiếpcận này ít trực quan nhưng nó có hiệusuất tính toáncao, hơn
nữa cách tiếpcận này cũng phù hợp với đồngthời cho việc phân đoạnvân
và phân loại vân.
2.1. Mật độ của đường biênvà hướng của biên:
Từ khi phương pháp dò biên được phổ biến rộng và s ự đơn giản trong ứng
dụng vào quy trình dò đối tượng, nó trở thành là bộ dò biênnhư là bước tiên
quyết trong việc phân tíchvân. Số lượng điểm ảnh trongmột vùng ảnh xác
định trước về mặt kíchthước cho ta thấy được một số biểu thị về mật độ
điểm trongvùng ảnh đó. Hướng của nh ững đường biên này cũng có thể hữu
dụng trongviệc mô tả đặc điểm hoa v ăn của vân.
Xét khu vực gồm có N điểm ả nh. Giả sử rằng bộ dò biên dựa trêngradient
áp dụng vào cho vùng ảnh này sinh ra hai kết xuất của của mỗi điểm ảnh p:
1) độ lớn gradient Mag(p) và 2) phương hướng gradient Dir(p). Một trong
những đối tượngvân rất đơn giản là số đường biên trênmột khu vực được
định nghĩa như sau:
Fedgeness =
{ p | Mag( p) ≥ T}
N
với T là ngưỡng định nghĩa trước.
Số đường biên trênmột khu vực để đánh giá mật độ, nhưng không đánh
giá được phương hướng của vân.
25

Độ đo này có thể được mở rộng để có thể bao gồm cả mật độ và phương
hướng bằng cáchdùng lượt đồ cho cả độ lớn gradient và phương hướng
gradient. Gọi Hmag(R) biểu thị lượt đồ bình thường của độ lớn gradient của
khu vực R, và gọi Hdir biểu thị lượt đồ bình thường của phướng hướng
gradient của khu vực R. Cả hai lượt đồ này có số lượng bin lớn hơn một số
cố định, trình bày những nhóm độ lớngradient và những nhóm của phương
hướng gradient. Cả hai được tiêuchuẩn hóa theo kích thước NR của khu
vực ảnh R. Khi đó ta có :
Fmag dir = (Hmag(R), Hdir(R))
là một mô tả của vân địnhlượng của khu vực ảnh R.
Xét hai ảnh 5x5 như sau:
Ảnh bên trái có mật độ điểm cao hơn ảnh bên phải. Nó có một cạnh trong
mỗi 25 điểm ảnh của nó, vì vậy số cạnh trên một đơn vị khu vực của nó là
1.0. Ảnh bên phải có 6 cạnh trên mỗi 25 điểm ảnh của nó, vì vậy số cạnh trên
26

một đơn vị khu vực của nó là 0.24. Đối với lượt đồ độ lớn gradient, chúng ta
đề dùng hai bin trình bày cho đường biên sáng và đường biên tối. Với lượt
đồ phương hướng gradient, chúng ta sẽ dùng ba bin cho đường biênngang,
đường biên dọc và đường biên xéo. Ảnh bên trái có 6 đường biên tối và 19
đường biên sáng, nên lượt đồ độ lớn gradient bình thường của nó là
(0.24,0.76), nghĩalà 24 phần trăm của đường biên là đường biên tối, 76 phần
trăm của đường biên là đường biên sáng. Nó cũng được xem như có 12
đường biên ngang, 13 đường biên dọc, và không có đường biên xéo, vậy lượt
đồ phương hướng gradient bình thường của nó là (0.48,0.52, 0.0), nghĩa là 48
phần trăm đường biên là ngang, 52 phần trăm đường biên là dọc và 0 phần
trăm đường biên xéo. Ảnh bên phải không có đường biên tối và có 6 đường
biên sáng, nên lượt đồ độ lớn gradient bình thường c ủ a nó là (0.0,0.24). Nó
không có đường biên ngang, không có đường biêndọc, nhưng có 6 đường
biên xéo, vậy lượt đồ phương hướng gradient bình thường của nó là (0.0,0.0,
0.24).
Trong trường hợp hai ảnh này, độ đo đườngbiên trênmột đơn vị khu vực
thì thíchhợp để phân biệt giữa chúng, nhưng trongtrường hợp tổng quát độ
đo lượt đồ thường cung cấp mộ t c ơ chế mô tả mạnh hơn nhiều. Hai lượt đồ
n-bin H1 và H2 có thể được so sánh bởi tính khoảng cách L1 của chúng.
n
L1(H1,H2) = ∑ H1[i] − H 2 [i]
i=1
2.2. Phân hoạch vùng nhị phân cục bộ:
Một cách khác rất đơn giản, nhưng là độ đo vân hữu dụng là độ phân hoạch
vùng nhị phân cục bộ. Đối với mỗi điểm ảnh p trong ảnh, tám điểm lân cận
được xem xét rằng cường độ intensitycủa chúng có lớn hơn của điểm ảnh p
hay không. Những kết quả từ tám điểm ảnh lân cận được sử dụng để xây
dựng nên một số nhị phân tám chữ số là b1b2b3b4b5b6b7b8, trong đó bi=0 nếu
27

cường độ intensitycủa láng giềng thứ i nhỏ hơn hay bằng với p và bi=1
trongtrường hợp ngược lại. Một lượt đồ của những số này được dùng để
biểu thị cho vân của ảnh. Hai ảnh hay hai khu vực ảnh được so sánh bởi việc
tính toán độ dài L1 giữa lượt đồ của chúng được định nghĩa ở trên.
2.3. Ma trận đồng hiệnvà đối tượng đồng hiện:
Ma trận đồng hiện là một mảng C hai chiều trongđó cả dòng và cột
tương ứng với một tập các giá trị có thể có V. Ví dụ như, đối với ảnh mức
xám V có thể là tập những mức xám có thể có, đối với ảnh màu V có thể là
tập những màu có thể có. Giá trị của C(i,j) cho thấy rằng bao nhiêu lần giá trị
i cùng xuất hiện trong với giá trị j trongmột số quan h ệ không gian được
định nghĩa trước. Ví dụ : quan hệ không gian có thể có giá trị i xuất hiện lập
tức ngay bên phải của giá trị j. Rõ ràng hơn, chúng ta sẽ xem xét trườnghợp
riêngtrong đó tập V là tập những mức xám và quan hệ không gian được
mang lại bởi vectơ d, chỉ định độ dịch chuyển giữa điểm ảnh có giá trị i và
điểm ảnh có giá trị j.
Gọi d là một vectơ dịch chuy ển (dr,dc) ở đó dr thì thay thế cho hàng và dc
thay thế cho cột. Gọi V là tậ p của những mức xám. Ma trận đồng hiện
mức xám cho ảnh I được định nghĩa bởi:
Cd[i,j]= |{[r,c] sao cho I[r,c]=i và I[r+dr,c+dc]=j}|
28

j
1 1 0 0
i
1 1 0 0
0 0 2 2
0 0 2 2
Ảnh 1
0 1 2 0 1 2
0 0
4 0 2 4 0 2
1 2 2 0 1 2 2 0
2 2
0 0 2 0 0 2
C[0,1] C[1,0]
i j i
j
0 1 2
0 2 0 2
1 2 1 1
2 0 0 1
C[1,1]
i
j
Minh họa nội dung này với một ảnh 4x4 I và ba ma trận đồng hiện cho I
là C[0,1], C[1,0] và C[1,1].
Chú thích C[0,1] : vị trí [1,0] có giá trị 2, chỉ định rằng j=0 xuất hiện hai lần
trực tiếp bên phải của i=1 trong ảnh. Tuy nhiên vị trí [0,1] có giá trị 0, chỉ định
rằng j=1 không bao giờ xuất hiện trực tiếp bên phải của i=0 trong ảnh.
29

Giá trị lớn nhất trongma trận đồng hiệnlà 4 tại vị trí [0,0], chỉ định rằng
giá trị 0 xuất hiện 4 lần trực tiếpbên phải của giá trị 0 khác trongảnh.
Có hai biến tấu quan trọng của ma trận đồng hiện từ ma trận đồng hiện
mức xám chuẩn.
Đầu tiên tiêu chuẩn hoá ma trận đồng hiện mức xám Nd được định nghĩa bới:
Nd[i,j]=
Cd[i, j]
∑i ∑j
C
d
[i, j]
Tiêu chuẩn hoá những giá trị của ma trận đồnghiện nằm giữa giá trị 0 và 1.
Và do đó có thể xem xét chúng dưới dạng xác suất trongma trận lớn.
Thứ hai là ma trận đồng hiện mức xám đối xứng Sd đị nh nghĩa bởi :
Sd[i,j] = Cd[i,j]+C-d[i,j]
thực chất là một cặp của nhóm của những đối xứng kề cận nhau.
Ma trận đồng hiện nắm bắt thu ộ c tính của vân, nhưng chúng không hữu dụng
trực tiếp cho việc phân tích sâu hơn về vân, như là so sánh hai vân. Thay vì vậy,
những đối tượng số họ c của vân được tính toán từ ma trận đồng hiện có thể
được dùng để trình bày vân chặt chẽ hơn, súc tích hơn. Dưới đây là những đối
tượng chuẩn bắt nguồn từ một ma trận đồng hiện chuẩn.
Energy = ∑∑ Nd
2 [i, j]
i j
Entropy = - ∑∑ Nd [i, j]log2 Nd [i, j]
i j
30

Contrast = ∑∑(i − j)2 Nd [i, j]
i j
Homogeneity= ∑∑
N
d
[i, j]
i j 1 + i − j
∑∑ (i − µi )( j − µ j )N d [i, j]
Correlation=
ij
σ iσ j
Trong đó µi , µ j là giá trị trung bình và σ i ,σ j là độ lệchchuẩn của hàng và
cột i, j.
Nd[i] = ∑ N d [i, j]
j
Nd[j] = ∑ N d [i, j]
i
Một vấn đề với độ vân lệ ch từ ma trận đồnghiện là bằng cách nào
để chọnvéctơ d. Một giải pháp được đề nghị bởi Zucker và Terzopoulos là
dùng kiểm tra bằng thống kê χ 2 để chọnnhững giá trị của d mà vân có cấu
trúc nhất; đó là, giá trị cực đại của giá trị:
χ 2 (d ) = (∑∑ N d
2 [i, j]
−1)
N d [i]N d [ j]
ij
2.4. Độ đo năng lượng của vân dựa vào luật đo:
Một cách tiếpcận khác đối với việc sinh ra những đối tượng vân
là dùng những mặt nạ cục bộ để mà dò tìm những kiểu vân khác nhau.
Luật đo đưa ra một cáchtiếp cận dựa vào năng lượng vân, đo lường số lượng
biến số lớn trongphạm vi một cửa sổ cố địnhkích thước trước. Một tập của
31

9 mặt nạ 5x5 được dùng để tính năng lượng vân, được trìnhbày bởi
một véctơ gồm 9 giá trị cho mỗi điểm ảnh của ảnh được mang ra phân
tích. Những mặt nạ được tính từ những vectơ dưới đây :
L5 (Level) = [ 1 4 6 4 1]
E5 (Edge) = [ -1 -2 0 2 1]
S5 (Spot) = [ -1 0 2 0 -1]
R5 (Ripple) = [ 1 -4 6 -4 1]
Tên của những vectơ nói rõ mục đíchcủa chúng. Vectơ L5 mang lại trọng
lượng trung tâm trung bình địa phương. Vectơ E5 dò đường biên. Vectơ S5
dò điểm. Vectơ R5 dò sự gợn sóng. Mặt nạ 2 chiềuđượ c tính bằng tích
những cặp vectơ tương ứng. Ví dụ như mặt nạ E5L5 được tính bằng tíchcủa
vectơ E5 và L5 như sau:
-1 -1 -4 -6 -4 -1
-2 -2 -8 -12 -8 -2
x [14641] =
0 0 0 0 0 0
1 2 8 12 8 2
2 1 4 6 4 1
Bước đầu tiêntronghàm Luật đo là loại bỏ tất cả những ảnh hưởng của sự
chiếusáng b ằ ng cách di chuyển một cửa sổ nhỏ đi khắp trongảnh, và trích
rút ra trung bình địa phương cho mỗi điểm ảnh, để cho ra kết quả là một ảnh
tiềnxử lý, trongđó cường độ intensitycủa mỗi điểm láng giềng xấp xỉ
không. Kích thước của cửa sổ phụ thuộc vào lớp ảnh loại nào; Người ta
quen dùng cửa sổ kích thước 15x15 cho những khung ảnh tự nhiên. Sau quá
trình tiềnxử lý, mỗi 16 mặt nạ 5x5 được áp vào ảnh tiềnxử lý, sinh ra 16
ảnh lọc. Gọi Fk[i,j] là kết quả lọc với mặt nạ thứ k tại điểm ảnh [i,j]. Khi đó
bản đồ năng lượng vân Ek cho bộ lọc k được địnhnghĩa bởi:
32

c+7 r +7
Ek [r,c] = ∑ ∑ Fk [i, j]
j=c−7 i=r −7
Mỗi bản đồ năng lượng vân là một ảnh đầy đủ, trình bày ứng dụng của
mặt nạ thứ k tới ảnh nhập vào.
Một khi 16 bản đồ năng lượng được sinh ra, những cặp đối xứng
thích hợp được nối lại để sinh ra 9 bản đồ cuối cùng, là sự thay thế mỗi cặp
với giá trị trung bình của chúng. Ví dụ như: E5L5 đo được nội dung của
đường biên ngang, và L5E5 đo được nội dung đường biên ngang. Trung
bình cộng của hai bản đồ đo được toàn bộ nội dung của đường biên của ảnh.
Có tổngcộng 9 bản đồ năng lượng tổnghợp là :
L5E5/E5L5 L5S5/S5L5
L5R5/R5L5 E5E5
E5S5/S5E5 E5R5/R5E5
S5S5 S5R5/R5S5
R5R5
1.5: Tương quan tự động và quang phổ năng lượng:
Hàm tương quan tự động của một ảnh có thể được dùng để dò tìm
những phần tử hoa văn của vân và cũng đồng thời mô tả tính mịn/tính thô
của vân. Hàm tương quan tự động ρ(dr, dc) của một ảnh với kích thước
(N+1)x(N+1)với một độ dời d = (dr, dc) là:
ρ(dr, dc) =
∑ r
N
= 0 ∑c
N
=0 I[r, c]I[r + dr, c + dc]
∑ r
N
= 0 ∑c
N
=0 I 2 [r, c]
=
I[r, c]oI d [r, c]
I[r, c]oI[r, c]
33

Nếu vân ở dạng thô, khi đó hàm tương quan tự động sụt giảm chậm;
ngược lại nó sẽ sụt giảm rất nhanh. Đối với những vân theo quy tắc, hàm tự
động tương quan sẽ yếu. Khi I[r+dr, c+dc] không được xác địnhrõ là đường
bao của ảnh, một phương pháp để tính toán những giá trị ảnh ảo phải đựợc
định nghĩa.
Hàm tự động tương tác liên quan với quang phổ nặng lượng của
phép biến đổi Fourier. Nếu I[r,c] là hàm ảnh và F(u,v) là biến đổi Fourier
của nó, F (u, v) 2 được coi như là quang phổ năng lượng.
2.6. Phân đoạn vân (Texture segmentation):
Bất kỳ độ đo một vân nào, cung cấp một giá tr ị hay vectơ giá trị tại
mỗi điểm ảnh, mô tả vân trongnhững điểm láng giềng của điểm ảnh đó, có
thể được dùng để phân đoạn ảnh thành những vùng có vân giống nhau. Như
những thuật toán phân đoạnảnh khác, những thuật toán phân đoạnvân có
hai loại chính: cáchtiếpcận dựa vào vùng và cách tiếpcận dựa vào đường
biên. Cách tiếp cận dựa vào vùng có ý tưởng chính là nhóm hay phân chia
những điểm ảnh với những đặc tính vân giống nhau. Cách tiếpcận dựa vào
đường biên có ý tưởng là đi tìm những đường biên vân giữa những điểm ảnh
đếntừ những sự phân bổ vân khác nhau.
34

Chương 3:
Tìm kiếm ảnh dựa vào hình dạng
1. Hìnhdạng
1.1. Khái niệm về hìnhdạng
1.2. Đặc điểm hìnhdạng đối với việc tìm kiếm ảnh
2. Tìm kiếm ảnh dựa vào hình dạng
2.1. Lượt đồ hình dạng
2.2. Độ so khớp đường biêncủa hình dạng
2.3. So khớp với ảnh phát họa
35

1. Hìnhdạng:
1.1. Khái niệm về hìnhdạng:
Màu sắc và vân là những thuộc tính có khái niệm toàn cục của một bức ảnh.
Trong khi đó, hình dạng không phải là một thuộc tính của ảnh. Thay vì vậy,
hình dạng có khuynh hướng chỉ định tới một khu vực đặc biệt của ảnh. Hay
hình dạng chỉ là biên của đối tượng nào đó trong ảnh.
1.2. Đặc điểm hìnhdạng với việc tìm kiếm ảnh
Hình dạng là một cấp cao hơn màu sắc và vân. Nó đòi hỏi sự phân biệt giữa
các vùng để tiến hành xử lý về độ đo của hình dạng. Trong nhiều trường hợp,
sự phân biệt này cần thiết phải làm bằng tay. Nhưng sự tự động hóa trong
một số trường hợp có thể khả thi. Trong đó, vấn đề chính yếu nhất là quá
trình phân đoạn ảnh. Nếu quá trình phân đoạn ảnh được làm một cách chính
xác, rõ ràng và nhất là hiệu quả thì sự tìm kiếm thông tin dựa vào hình dạng
có thể có hiệu lực rất lớn.
Nhận dạng ảnh hai chiều là mộ t khía cạnh quan trọng của quá trình phân
tích ảnh. Tính chất hình dạng toàn cục ám chỉ đến hình dạng ảnh ở mức toàn
cục. Hai hình dạng có thể được so sánh với nhau theo tính chất toàn cục bởi
những phươ ng pháp nhận dạng theo hoa văn, mẫu vẽ. Sự so khớp hình dạng
ảnh cũng có thể dùng những kỹ thuật về cấu trúc, trong đó một ảnh được mô
tả bởi những thành phần chính của nó và quan hệ không gian của chúng. Vì
sự hiển thị ảnh là một quá trình liên quan đến đồ thị, do đó những phương
pháp so khớp về đồ thị có thể được dùng cho việc so sánh hay so khớp. Sự so
khớp về đồ thị rất chính xác, vì nó dựa trên những quan hệ không gian hầu
như bất biến trong toàn thể các phép biến đổi hai chiều. Tuy nhiên, quá trình
so khớp về đồ thị diễn ra rất chậm, thời gian tính toán tăng theo cấp số mũ
tương ứng với số lượng các phần tử. Trong việc tìm kiếm dữ liệu ảnh dựa
36

vào nội dung, ta cần những phương pháp có thể quyết định sự giống và khác
nhau một cách nhanh chóng. Thông thường, chúng ta luôn đòi hỏi sự bất
biến cả đối với kích thước của ảnh cũng như hướng của ảnh trong không
gian. Vì vậy, một đối tượng có thể được xác định trong một số hướng. Tuy
nhiên, tính chất này không thường được yêu cầu trong tìm kiếm ảnh. Trong
rất nhiều cảnh vật, hướng của đối tượng thường là không đổi. Ví dụ như: cây
cối, nhà cửa, ...
Độ đo về hình dạng rất nhiều trong phạm vi lý thuyết của bộ môn xử
lý ảnh. Chúng trải rộng từ những độ đo toàn cục dạng thô với sự trợ giúp của
việc nhận dạng đối tượng, cho tới những độ đo chi tiết tự động tìm kiếm
những hình dạng đặc biệt. Lượt đồ hình dạng là mộ t ví dụ của độ đo đơn
giản, nó chỉ có thể loại trừ những đối tượng hình d ạ ng không thể so khớp,
nhưng điều đó sẽ mang lại khẳng định sai, vì chỉ như là việc làm của lượt đồ
màu. Kỹ thuật dùng đường biên thì đặc hiệu hơn phương pháp trước, chúng
làm việc với sự hiện hữu của đường biên của hình dạng đối tượng và đồng
thời cũng tìm kiếm những hình dạng đối tượng gần giống với đường biên
nhất. Phương pháp vẽ phác họ a có thề là phương pháp có nhiều đặc trưng rõ
ràng hơn, không chỉ tìm kiế m những đường biên đối tượng đơn, mà còn đối
với tập những đối tượng đ ã được phân đoạn trong một ảnh mà người dùng
vẽ hay cung cấp. Ta sẽ đi vào chi tiết trong chương sau mô tả về hình dạng
đối tượng.
2. Tìm kiếm ảnh dựa vào hìnhdạng:
2.1. Lượt đồ hình dạng:
Lượt đồ hình dạng được cho rằng là dễ dàng trong tính toán và nhanh trong thi
hành. Chúng sử dụng cả sự so sánh về màu sắc và vân. Vấn đề chính là định nghĩa
biến cho lượt đồ hình dạng được định nghĩa. Xem như hình dạng trong ảnh là một
vùng những giá trị một trong ảnh nhị phân, trong khi toàn thể những giá trị khác
đều là giá trị không. Một kiểu của so khớp hình dạng ảnh là so khớp hình chiếu
37

thông qua hình chiếu đứng và hình chiếu nằm của hình dạng. Giả sử rằng hình dạng
có n hàng và có m cột. Mỗi hàng và mỗi cột là một bin trong lượt đồ hình dạng.
Tổng số được lưu trữ trong một bin là tổng số những giá trị 1 được lưu trữ trong
dòng hoặc cột tương ứng đó. Điều này đưa đến một lượt đồ gồm có m+n bin,
nhưng điều này cũng chỉ có ý nghĩa khi tất cả những ảnh chúng ta xem xét phải có
cùng một kích thước. Để làm cho việc so khớp hình chiếu bất biến đối với kích
thước, số lượng bin của dòng và số lượng bin của cột phải ổn định. Bằng cách định
nghĩa những bin từ góc trái trên đến góc phải dưới của hình dạng, sự chuyển đổi bất
biến đã đạt được. Việc so khớp hình chiếu không bất biến đối với phép xoay ảnh,
nhưng nó có thể làm việc tốt với sự xoay nhỏ và sự thiếu chính xác thuộc về hình
học ở mức độ nhỏ. Một cách khác để làm nó bất biến đối với phép quay là tính toán
theo trục toạ độ êlíp
vừa nhất và xoay chúng cho đến khi trục chính là trục nằm ngang. Vì chúng ta
không biết nơi đâu là phía trên cùng của hình dạng, xoay hai khả năng có thể xảy ra
để thử. Hơn nữa, nếu trục chính và trục phụ có cùng chiều dài, thì 4 khả năng xoay
phải được xem xét. So khớp hình chiếu đượ c sử dụng thành công trong tìm kiếm
ảnh logo.
Những khả năng khác để xây dựng lượt đồ thông qua góc tiếp tuyến tại mỗi
điểm ảnh trên đường bao c ủa hình dạng. Độ đo này thì hoàn toàn tự động về mặt
kích thước và bất biến đối vớ i s ự dịch chuyển, nhưng nó cũng không bất biến đối
với xoay đối tượng, bởi vì góc tiếp tuyến đượctính từ hình dạng đối với một hướng
xác định. Có một số cách khác nhau để giải quyết vấn đề này. Cách thứ nhất là
xoay hình dạng về trục chính như đã mô tả ở trên. Một cách khác đơn giản hơn là
xoay lượt đồ hình dạng. Nếu lượt đồ có K bin, thì sẽ có K khả năng xoay. Những vị
trí xoay không đúng có thể làm ảnh hưởng tốc độ của việc tính toán, đặc biệt là
trong trường hợp lượt đồ và ảnh có kích thước lớn. Hoặc là lượt đồ có thể được tiêu
chuẩn hoá bởi cách chọn bin với số đếm lớn nhất là bin đầu tiên. Một vài bin lớn
nhất nên được thử vì có thể có sự tồn tại của nhiễu.
2.2. Độ so khớp đường biên của hình dạng:
Thuật toán so khớp đường biên đòi hỏi sự trích rút và trình bày đường biên của cả
ảnh cần truy vấn và ảnh mang ra so khớp. Đường biên có thể được trình bày bởi
38

một dãy những điểm ảnh hay có thể được xấp xỉ bởi một đa giác. Đối với một dãy
những điểm ảnh, một loại so khớp cổ điển là dùng mô tả Fourier để so sánh hai
hình dạng với nhau. Trong toán học hàm liên tục, mô tả Fourier là những hệ số của
dãy triển khai Fourier của hàm mà định nghĩa đường biên của hình dạng ảnh. Trong
trường hợp đặc biệt, hình dạng được trình bày bởi dãy của m điểm<V0,V1,...,Vm-
1>. Từ những dãy điểm này, một dãy của vectơ đơn vị :
V − V
vk = V
k +1
− V
k
k +1k
và một dãy của những sai phân:
k
lk
=
∑ V
i
− V
i−1 , k>0
i=1
l0 = 0
có thể được tính.
Mô tả Fourier {a-M,...,a0,...,aM} sau đó đượ c
1
m
an = ∑(v k −1 − v k )e− jn(2π / L
L(
n2π
) 2
k =1
L
xấp xỉ bởi:
)lk
Những mô t ả này có thể được dùng để định nghĩa độ đo khoảng cách hình dạng.
Giả sử Q là ảnh truy vấn và I là ảnh mang hình dạng được so sánh với Q. Gọi { an
Q
} là dãy của những mô tả Fourier cho ảnh truy vấn, và { an
Q } là mô tả Fourier cho
ảnh. Khi đó độ đo khoảng cách Fourier như sau:
M
an
I − an
Q
2 1/2
dFourie
(I ,Q) = ∑
n=− M
39

Như đã mô tả, khoảng cách này chỉ bất biến đối với phép tịnh tiến. Nếu mà những
bất biến khác đòi hỏi, có thể dùng sự kết hợp với nhiều hàm số học thể giải quyết
vấn đề tỷ lệ, xoay, và điểm bắt đầu để cực tiểu hoá d Fourier (I ,Q)
Nếu mà đường biên được trình bày dưới dạng một đa giác, chiều dài của các
cạnh và góc giữa chúng có thể được tính và dùng để trình bày hình dạng. Một hình
dạng có thể được trình bày bởi một dãy những điểm nối liền nhau (Xi, Yi, αi ), với
cặp đường thẳng giao nhau tại điểm (Xi, Yi) với góc lớn αi . Cho một dãy Q = Q1,
Q2, ..., Qn của những điểm nối liền nhau trình bày đường biên của đối tượng truy
vấn Q và một dãy tương tự I=I1, I2, ...,Im trình bày đường biên của đối tượng I, mục
tiêu là tìm một ánh xạ từ Q tới I mà ánh xạ từ dãy phân đoạn của ảnh truy vấn tới
dãy có chiều dài tương tự phân đoạn của ảnh và sao cho cặp của dãy phân đoạn truy
vấn gần kề mà gặp tại một góc đặc biệt α nên ánh xạ tớ i một cặp những dãy phân
đoạn gần kề mà gặp nhau tại một góc α ' tương tự.
Một kỹ thuật so khớp đường biên khác là so khớp mềm dẻo (elastic
matching) trong đó hình dạng truy vấn đượ c làm biến dạng để trở nên càng giống
với hình dạng ảnh mẫu càng tốt. Sự cách biệt giữa hình dạng ảnh truy vấn và hình
dạng của ảnh mẫu dựa vào hai thành phần chính: (1) năng lượng đòi hỏi trong quá
trình biến dạng từ hình dạng ảnh truy vấn tới mức độ phù hợp nhất với hình dạng
trong ảnh mẫu. Và (2) sự đo lường về độ giống nhau giữa hình dạng ảnh truy vấn
sau khi bị biến dạng khớp với hình dạng trong ảnh mẫu.
2.3. So khớp ảnh phát họa :
Hệ thống so khớp phát họa cho phép người dùng nhập vào một bản phát họa
của những đường biên chính trong một ảnh và sau đó hệ thống sẽ tìm kiếm những
ảnh màu hay ảnh xám mà có đường biên khớp nhất. Những ảnh màu được tiền xử
lý như sau để đạt được một dạng trung gian gọi là ảnh được trích rút (abstract
image).
- Áp dụng phép biến đổi affine để giảm kích thước ảnh về kích thước chỉ
định trước. Dùng một mặt nạ trung vị để lọc nhiễu. Kết quả của bước này
cho ra một ảnh được tiêu chuẩn hóa
40

- Dò biên sử dụng thuật toán dò tìm đường biên dựa trên gradient. Dò biên
được tiến hành qua hai bước: những biên toàn cục sẽ được tìm thấy trước
tiên với một ngưỡng toàn cục dựa trên giá trị trung bình và biến đổi của
gradient; sau đó, những đường biên cục bộ sẽ được chọn từ toàn cục theo
những ngưỡng cục bộ. Kết quả của bước này cho ra ảnh gọi là ảnh đã được
lọc biên (refined edge image).
- Tiến hành làm mảnh và rút ngắn trên ảnh đã được lọc biên. Kết quả cuối
cùng được gọi là ảnh được trích rút.
Khi người sử dụng nhập vào một bức ảnh phát họa ở dạng thô như là một ảnh truy
vấn, nó cũng lần lượt được đưa qua các giai đoạn chuẩn hóa kích thước, nhị phân
hóa, làm mảnh hoá, và rút gọn. Kết quả của quá trình xử lý này cho ra một ảnh gọi
là bản phát họa đều nét. Giờ đây, bản phát họa đều nét phải được so khớp với
những ảnh được trích rút ở trên. Thuật giải so khớp là thuật giải dựa vào mối tương
quan. Hai ảnh sẽ được chia ra làm những hệ thống lưới ô vuông. Đối với mỗi hệ
thống lưới ô vuông của ảnh truy vấn, tươ ng quan cục bộ với hệ thống lưới ô vuông
tương ứng của ảnh cơ sở dữ liệu sẽ được tính. Để thiết thực hơn, tương quan cục bộ
được tính cho một vài những dịch chuyển khác biệt trong vị trí trong hệ thống ô
lưới trên những ảnh cơ sở dữ liệu và giá trị tương quan cực đại qua tất cả những
dịch chuyển là kết quả của cho hệ thống ô lưới đó. Độ đo sự giống nhau cuối cùng
là tổng của mỗi tương quan cục bộ. Độ đo khoảng cách là nghịch đảo của độ đo sự
giống nhau này.
Từ những chú giải trên, nó có thể được biểu diển lại dưới dạng sau:
d sketch (I ,Q) =
1
ˆ 1 Q
∑g maxn [dcor relation (shiftn ( A (g)), L (g))]
trong đó AI(g) quy cho hệ thống ô lưới g của ảnh được trích rút được tính từ ảnh cơ
sở dữ liệu I, shift(AI(g)) quy cho phiên bản được dịch chuyển của hệ thống lưới g
41

của cùng ảnh được trích rút, và LQ(g) quy cho hệ thống ô lưới g của bản họa
đều nét có kết quả từ ảnh truy vấn Q.
42

PHẦN 3
CÀI ĐẶT VÀ
KẾT QUẢ THỬ NGHIỆM
43

Chương 1:
Cài đặt
1. Chương trình
2. Phần Màu sắc
3. Phần Vân
4. Phần Hình dạng
44

1. Chương trình:
- Chương trình gồm 3 mođun riêngcho mỗi phần: màu sắc, vân và hình
dạng.
- Mỗi phần của chương trình được lập trình trên môi trường Visual C++ 7.0,
với sự hỗ trợ của thư viện lập trình MFC, một thư viện liên kết tĩnh .dll của
intel hỗ trợ cho việc truy xuất ảnh jpeg.
- Mỗi phần là một bản demo cho cơ sở lý thuyết đã được nêu ở phần 2.
- Phần màu sắc, chương trình demo tập chung vào phần màu sắc là nhiều
nhất, vì đây là phần khả thi và có thể ứng dụng được liền vào thực tế với tốc
độ và kết quả chấp nhận được.
- Phần vân: chương trìnhlàm phần tìm và so sánh vân dựa vào kỹ thuật ma
trận đồng hiệnvà thống kê khác biệt ở lượt đồ xám.
- Phần hình dạng: chương trình làm phần so khớp ảnh phát họa kết hợp với
lượt đồ hình dạng.
45

2. Phần màu sắc:
Quy trình thực hiện như sau:
Bước 1: Nhận vào ảnh mẫu, tính lượt đồ màu HSI cho ảnh mẫu
Bước 2: Đọc ảnh từ cơ sở dữ liệu:
Nếu cònảnh: Tính lượt đồ màu của ảnh, qua Bước 3
Nếu hết ảnh: Kết thúc
Bước 3: So sánh 2 lượt đồ màu vừa tính được dựa vào độ đo nào đó.
Bước 4: So sánh kết quả độ đo với ngưỡng, thông báo kết quả.
Quay lại bước 2.
Tính lượt đồ màu:
Mô hình màu được ứng dụng vào việc cài đặt là mô hình màu HSI.
Cấu trúc của lượt đồ màu như sau:
struct ColorHistogram
{
unsigned int grey[5]; (1)
unsigned int val[18][3][3];
}
Quá trình tính lượt đồ màu HSI cho việc tìm
kiếm: Bước 1: Nhận vào ảnh RGB, đổi sang ảnh
HSI Bước 2: Đọc giá trị điểm tiếptheo
Nế u không có điểm thì kết thúc.
Nếu tồntại điểm, qua bước 3.
Bước 3: Đọc thành phần intensity.
Nếu intensity< 0.3 thì cho đây là điểm màu đen. Quay lại bước 2
Nếu intensity>=0.3, qua bước 4
Bước 4: Đọc thành phần Saturation
Nếu Saturation <0.08 thì cho đây là điểm ảnh xám, gán giá trị tương
ứng cho lượt đồ màu. Quay lại bước 2.
46

Nếu Saturation>=0.08 thì cho đây là điểm ảnh màu, gán giá trị tương
ứng cho lượt đồ màu dựa vào thành phần Hue, Saturation, và
Intensity.
2.1. Tìm kiếm theo tỉ lệ phầntrăm về màu sắc:
- Người dùng xác định tỉ lệ phần trăm một số màu cần tìm kiếm, nhưng
không quan tâm đến vị trí xuất hiện của những màu này. Chúng có thể xuẩt
hiện khắp nơi trong ảnh hoặc tập chung tại một khu vực nào đó.
Ví dụ: Tìm kiếm những bức ảnh có chứa khoảng 20-30% màuđỏ, 30-50%
màu trắng, 10-40% màuđen.
- Cách tiến hành: Không cần phải tính lượt đồ màu mà chỉ cần đếm số lượng
những màu được chọn để tìm kiếm.
+ Màu được tìm kiếm được xếp vào một trong167 bin của (1)
+ Trong quá trình tìm kiếm, n ế u điểm ảnh nào nằm trong bin có màu
được chọnthì số lượng trong bin đó tăng thêm 1.
+ Nếu tỉ lệ tổng số đ iể m ảnh trong từng bin được chọn trên tổng số
lượng điểm ảnh củ a ảnh nằm trong khoảng được đặt ra thì ảnh đó
thỏa mãn yêu cầu tìm kiếm.
2.2. Tìm kiếm theo lượt đồ màu toàn cục dựa trênảnh mẫu:
- Người dùng chọnmột ảnh, những ảnh tìm được là những ảnh có sắc màu
gần giống với ảnh cần tìm nhất theo một ngưỡng tự chọn trước.
- Cách tiến hành: Ý tưởng cách làm là so sánh lượt đồ màu toàn cục của ảnh
với những ảnh khác trong cơ sở dữ liệu. Nếu ảnh trong cơ sở dữ liệu có lượt
đồ màu phù hợp với độ đo theo một ngưỡng nhất định sẽ được chọn.
+ Tính lượt đồ màu của ảnh gốc như (1).
+ Trong quá trình tìm kiếm, tính lượt đồ màu của từng ảnh. Sau đó so sánh
những lượt đồ này với nhau theo các loại độ đo được chọn.
47

+ Những ảnh thỏamãn nhu cầu tìm kiếm là những ảnh có sự giao nhau của 2
lượt đồ đạt giá trị thỏa mãn ngưỡng.
Độ đo được dùng : Min-Max, Euclid, độ đo khoảng cáchtoàn phương.
2.3. Tìm kiếm theo màu chỉ địnhdạng lưới:
- Người dùng xác định vị trí những khoảng màu sẽ xuất hiện trong tấm ảnh.
Những vùng màu được chọn dưới dạng ô lưới. Người dùng có thể xác định
độ chia nhỏ của từng ô lưới.
- Cách tiến hành : Dựa vào những ô lưới của người dùng đã ấn định, tiến
hành chia ảnh trong cơ sở dữ liệu cần theo những ô lưới. Dùng mỗi màu đại
diện cho một ô lưới, tiến hành so sánh ô lưới mà người dùng ấn định với ô
lưới trong những ảnh vừa xác lập cho ra được theo mộ t ngưỡng định trước.
+ Xác định mức độ chia nhỏ của mức lưới. Đồng thời xác định những màu
được chọntrong các mắt lưới.
+ Tương tự như trên, màu trongnhững mắt lưới này sẽ được xếp vào 1 trong
167 bin như trong(1).
+ Trong quá trình tìm kiếm, ả nh tìm kiếm sẽ được chia theo đúng tỉ lệ của ô
lưới xác lập ở trên.
+ Ứng với những ô lướ i có màu được chọn, tính lượt đồ màu của ô lưới
tương ứng trên ảnh. Tính màu đại diện trong ô lưới của ảnh. Sau đó tiến hành
so sánh màu này với màu được chọn trong ô lưới ban đầu.
+ Tổng những so sánh ô lưới trên so với một ngưỡng sẽ cho được kết quả
ảnh có phù hợp hay không.
2.4. Tìm kiếm toàncục theo dạng so sánh lưới dựatrênảnh mẫu:
- Người dùng chỉ định ảnh mẫu với yêu cầu là: Tìm những ảnh có sắc màu
gần giống với ảnh này. Cách tìm kiếm này khác với cách tìm kiếm dựa trên
lượt đồ màu là nó quan tâm đến vị trí của những khoảng màu trong ảnh.
48

Cách tìm kiếm này không những tìm ra những ảnh có sắc màu gần giống với
ảnh mẫu mà còngiống nhau ở ví trí tương ứng những sắc màu đó.
- Cách tiến hành: Ý tưởng phương pháp này giống như phương pháp so sánh
lưới cục bộ có tương tác với người dùng.
+ Chia lưới cho ảnh mẫu. Tính những màu đại diện cho từng ô lưới. Tạo
thành một mảng những màu đại diện.
+ Trong quá trình tìm kiếm ảnh, mỗi ảnh tìm kiếm ta cũng tiến hành chia
thành những ô lưới và tính màu đại diện cho mỗi ô lưới. Ta cũng được một
mảng những màu đại diện.
+ Tiến hành so sánh mảng màu đại diện với ngưỡng cho trước.
2.5.Tìm kiếm kết hợp giữamàu chỉ địnhdạng lưới và toàncục theo một ảnh
mẫu:
- Đây là sự kết hợp giữa phương pháp tìm toàn cục theo dạng lưới và tìm cục
bộ theo dạng lưới. Tương tự như tìm toàn cục theo dạng lưới nhưng còn cho
phép người dùng thay đổi khoảng màu của từng ô lưới. Những ô lưới không
bị thay đổi khoảng màu sẽ dùng khoảng màu của ảnh mẫu đã được chọn.
- Cách tiến hành:
+ Tương tự như trên, tiếnhành chia lưới trênảnh mẫu.
+ Nhận những giá trị của màu đãbị thay đổi trênlưới. Được mảng những
màu đại diệ n.
+ Trong quá trình tìm kiếm, mỗi ảnh tìm kiếm được chia lưới theo tỉ lệ tương
ứng như trên. Sau đó, tính mảng màu đại diện.
+ Tiến hành so sánh mảng màu đại diện này với nhau để tìm ra được ảnh phù
hợp với yêu cầu tìm kiếm
49

3. Phần vân:
Bước 1: Nhận vào ảnh mẫu, tính vectơ vân đặc trưng cho ảnh mẫu
Nếu cònảnh: Tính vectơ của ảnh, qua Bước 3
Bước 3: So sánh 2 vectơ vân vừa tính được dựa vào độ đo nào đó.
3.1. Tìm kiếm ảnh dựa vào ma trận đồng hiện:
Kỹ thuật dùng ma trận đồng hiện đối với việc tìm kiếm ảnh, qua đó, vân của
mỗi ảnh được đặt trưng bởi một vectơ vân, vectơ này có 5 thành phần, giá trị
của mỗi thành phần tương ứng với những thành phần của các công thức dưới
đây.
Công thức được áp dụng:
Energy = ∑∑ N d
2 [i , j ]
i j
Entropy = - ∑∑ N d [i, j]log2 N d [i, j]
i j
Contrast = ∑∑(i − j)2 N d [i, j]
i j
Homogeneity= ∑∑
N
d
[i, j]
i j 1 + i − j
50

∑∑ (i − µi )( j − µ j )N d [i, j]
Correlation= ij
σ
i
σ
j
Các bước tínhma trận đồng hiệnnhư sau:
Bước 1: Ảnh màu nhận vào được chuyển sang ảnh xám (intensity)
Bước 2: Tính ma trận đồnghiện trênảnh mức xám này.
Sau bước này có thể có thêm bước 2’.
Bước 2’: Chuẩn hoá ma trận đồnghiện.
Bước 3: Tính các giá trị Energy, Entropy, Constrast, Homogeneity,
Correlation.
Bước 4: Gán các giá trị vừa tính được cho vectơ vân đặ t trưng.
3.2. Tìm kiếm ảnh dựa vào thống kê khác biệt ở lượt đồ xám:
Kỹ thuật này cũng tương tự như đối vớ i ma trận đồng hiện, nhưng nó
thường mang lại kết quả tìm kiếm kh ả quan hơn nhiều, tốc tộ cũng nhanh
hơn đối với ma trận đồnghiệ n. Vectơ vân của trường hợp này cũng có 5
thành phần chính, mỗi thành phần tương ứng với các giá trị của công thức
dưới đây:
Gọi h[I] là lượt đồ xám của ảnh.
255
Mean = ∑i * h[i]
i=1
255
Variance = ∑(i − mean)2 * h[i]
i =1
255
∑(i − mean)3 * h[i]
Skewness =i
=
1
( variance)3
51

255
∑(i − mean)4 * h[i]
Kurtosis =
i =1
− 3
4
255
Entropy = ∑− h[i]* ln(h[i])
i =1
Các bước tínhthống kê khác biệt ở lượt đồ xám như sau:
Bước 1: Ảnh màu được chuyển sang ảnh dạng xám
Bước 2: Tính lượt đồ xám cho ảnh xám vừa tính được
Bước 3: Tính các giá trị mean, variance, skewness, kurtosis, entropydựa
vào các biểuthức ở trên.
Bước 4: Gán các giá trị vừa tính được vào vectơ
52

4. Phần hình dạng:
Bước 1: Nhận vào ảnh mẫu phát thảo.
Phân đoạnảnh bằng ngưỡng.
Tính lượt đồ hình dạng cho ảnh vừa phân đoạn
Nếu cònảnh: Phân đoạnảnh, tính lượt đồ hình dạng, qua Bước 3
Bước 3: So sánh 2 lượt đồ hình dạng vừa tính được dựa vào độ đo nào đó.
53

Chương 2:
Kết quả thử nghiệm
1. Phần Màu sắc
2. Phần Vân
3. Phần Hình dạng
54

1.Phần màu sắc:
Một số kết quả thử nghiệm một số chức năng chính của chương trình.
Cơ sở dữ liệuthử nghiệm: hơn 800 ảnh đủ mọi thể loại.
1.1.Tìm kiếm với chức năng tìm kiếm dựa trênlượt đồ toàncục:
Ảnh đưa vào tìm kiếm:
Ngưỡng ban đầu được chọnlà 50, cho ra kết quả tìm kiếm như sau:
55

56

57

58

59

60

61

Sau khi đổi ngưỡng lại là 60, và tìm kiếm trong kết quả vừa tìm được, lặp lại quá
trình tìm kiếm, ta thu được kết quả như sau:
62

63

64

1.2.Tìm kiếm với chức năng tìm kiếm dựa trênphần trăm màu:
Nhập vào: Chọn màu xanh blue (128,128,255), với tỉ lệ phần trăm xuất hiện trong
ảnh là từ 20-40%. Kết quả thu được như sau:
65

66

67

68

1.3.Tìm kiếm với chức năng tìm kiếm dựa vị trí màusắc trong không gian:
Chọn ngưỡng là 70, vị trí màu sắc : nữa trêncủa ảnh là màu trắng
Kết quả thu được như sau:
69

70

71

72

2. Phần vân:
2.1. Ma trận đồng hiện:
Vân được đưa vào kiểm tra:
Với mức ngưỡng là 0.06
Kết quả thu được là:
73

74

2.1. Thống kê khác biệt với lượt đồ xám:
Vân được đưa vào kiểm tra:
75

Với mức ngưỡng là 0.06
Kết quả thu được là:
76

3. Phần hình dạng:
Rất tiếc là kết quả thu được không khả quan lắm.
77

PHẦN 4
KẾT LUẬN
78

BÀI MẪU Luận văn đại học khoa học tự nhiên, HAY, 9 ĐIỂM

BÀI MẪU Luận văn đại học khoa học tự nhiên, HAY, 9 ĐIỂM

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to BÀI MẪU Luận văn đại học khoa học tự nhiên, HAY, 9 ĐIỂM

Similar to BÀI MẪU Luận văn đại học khoa học tự nhiên, HAY, 9 ĐIỂM (20)

More from Viết Thuê Khóa Luận _ ZALO 0917.193.864 default

More from Viết Thuê Khóa Luận _ ZALO 0917.193.864 default (20)

Recently uploaded

Recently uploaded (20)

BÀI MẪU Luận văn đại học khoa học tự nhiên, HAY, 9 ĐIỂM